【技术实现步骤摘要】
基于相似故障案例集的生成水电设备故障诊断规则的方法
[0001]本专利技术涉及水电故障诊断
,具体涉及一种基于相似故障案例集的生成水电设备故障诊断规则的方法。
技术介绍
[0002]当前大多数水电站均存在由于水电设备运行环境恶劣、设备老化等因素引起的故障问题,行业内提出了多种设备故障诊断方法,如依靠专家经验,人为进行故障的判断,受主观因素制约,该方法学习能力和知识接受能力存在限制,无法避免地出现诊断偏差;以深度学习为代表的智能算法是当前水电设备故障诊断领域的研究热点,通过采用深度学习模型对故障样本数据的学习,以达到故障诊断的目的,但水电机组运行时往往存在正常样本多,故障样本少的特征,较少的故障学习样本制约了诊断结果的准确性。现有故障诊断方法未能充分考虑已有故障情况,无法做出快速准确有效的故障诊断,且没有明确规则各类故障,在故障类别判断方面存在模糊性。
[0003]中国专利文献CN116167749A记载了一种基于深度学习的永磁同步电机故障诊断方法通过对应急维修方案进行判定,可以根据永磁同步电机的快速维修需求对维修方案进行选择,尽可能的使永磁同步电机尽快恢复使用,减少了电机的故障停机时间。文献CN115684833A记载了一种一种基于谐波诊断的电缆线路劣化监测方法、系统及存储介质,通过利用谐波诊断系统,不仅可以在线检测高压电缆的运行状态,而且可以通过对同一高压电缆的长期跟踪检测,来预测其劣化趋势,进行有效跟踪管理。
[0004]上述现有技术的故障诊断方法都并未结合历史故障案例库,故障模式,征兆等信 ...
【技术保护点】
【技术特征摘要】
1.基于相似故障案例集的生成水电设备故障诊断规则的方法,其特征是,包括以下步骤:Step1、根据水电设备历史故障和故障原因,建立故障案例库,故障案例库包括故障模式、故障征兆、特征参数、故障现象和处理措施信息;每个故障案例中所绑定的故障模式即为故障的原始定义,按照故障模式将所有的故障案例进行分组,形成多个同类故障案例集;Step2、提取同类故障案例集的案例所绑定的故障征兆,再将故障征兆出现频率和征兆可信度的乘积进行归一化处理,得到初始征兆权重,其中每个征兆可信度对应不同算法逻辑;Step3、当新增故障案例时,将新增故障案例划分到对应的案例集,重新提取同类故障案例集中的案例征兆,根据征兆可信度和出现频率,自动更新修正同类故障案例集中的征兆权重;Step4、水电设备发生故障时,根据故障时段、实例化设备信息和特征参数获取时序数据,进行征兆可信度的计算;Step5、根据每个同类故障案例集自动更新修正的征兆权重并结合Step4中计算的征兆可信度,再采取加权平均的方式计算得出相似度,相似度代表当前水电设备所发生的故障和同类故障案例集所对应的故障模式的吻合度;Step6、根据得到的相似度确定故障情况,以进行故障诊断,并生成对应故障处理措施以保护水电设备。2.根据权利要求1所述的基于相似故障案例集的生成水电设备故障诊断规则的方法,其特征在于,所述的Step4中征兆可信度的计算时,若振动与励磁无关,设3小时内励磁电流的变化为A
db
,振动摆度的变化为f
ypb
,均取绝对值,如果A
db
大于额定励磁电流A
d
的30%,振幅稳定条件为f
ypstatic
,则征兆可信度计算公式为:cf=1
‑
min(1.0,0.25*fabs(f
ypb
)/ f
ypstatic
)。3.根据权利要求1所述的基于相似故障案例集的生成水电设备故障诊断规则的方法,其特征在于,所述的Step4中征兆可信度的计算时,若振动与负荷无关,则3小时内负荷,即有功功率在小于10%额定负荷下的振动摆度的通频幅值为f
yppLP
,在大于90%额定负荷下的振动摆度的通频幅值为f
yppHP
,振动的变化为f
ypb
=f
yppHP
‑
f
yppLP
,振幅稳定条件为f
ypstatic
,如果f
ypb
>0,则征兆可信度计算cf=1
‑
min(1.0, 0.25* f
ypb
/f
ypstatic
)。4.根据权利要求1
‑
3任一所述的基于相似故障案例集的生成水电设备故障诊断规则的方法,其特征在于,所述的Step4中征兆可信度的计算时,针对振动与负荷无关的情况,在机组升速过程中,取40~100%额定转速范围内两个转速 speed1和spee...
【专利技术属性】
技术研发人员:张春辉,宋晶辉,李友平,谭鋆,司汉松,余芳,彭丽珺,毛业栋,
申请(专利权)人:中国长江电力股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。